采用灰度加权核函数的动态背景运动目标检测算法

针对动态图像序列中的运动目标检测存在的运算速度慢、虚警率高等问题,提出了一种基于灰度加权核函数的检测算法。算法首先利用图像中的平均梯度最大块实现了图像序列的快速配准,然后将图像分为32×32的子块,分别计算每一子块图像的灰度加权核函数(GWK),利用bhattacharyya系数作为配准后图像对应子块GWK函数的相似性度量,确认灰度加权核函数发生变化的子块,进而完成图像中的运动目标检测。实验结果表明,基于灰度核函数的运动目标检测算法运行速度快,可以有效抑制图像配准误差以及灰度起伏的影响,实时实现运动目标检测,具有较好的实时性和鲁棒性。

基于图像边缘的灰度加权算法应用于LED管芯检测

LED管芯检测的像素级算法受到图像分割的影响,造成目标中部分像素的丢失。本文利用图像边缘区域的灰度加权算法,以求取物体边缘所在像素点的灰度来计算边缘位置。检测结果分析表明,该算法在检测精度上有了明显提高。

光刀自适应灰度加权亚像素中心精确提取

为了提高线结构光三维面形测量精度,提出了一种基于骨架跟踪的光刀法向自适应灰度加权中心提取方法。首先由采集的光刀图像根据数学形态学方法计算得到一组光滑、单向连通的光刀骨架,以骨架为搜索路径,沿骨架法向设置一个有用像素区域。根据骨架法向截面内像素灰度对光刀中心提取影响的重要程度划分不同的灰度阈值,对影响中心提取较大的像素灰度值进行加权平方,最后根据灰度加权重心法计算光刀亚像素中心。分别通过仿真实验与多组真实光刀中心提取实验进行验证,仿真结果表明,本文算法提取到的光刀中心到拟合曲线距离的平均偏差小于0.3像素,标准偏差小于0.03像素,计算时间为87.6ms。实物测量结果表明,用本文方法提取光刀中心时最大偏差距离、平均偏差距离和标准偏差较其他方法最小,提取结果稳定、精度高、鲁棒性好,能得到光顺性较好的亚像素光刀中心线,满足在线测量的要求。

基于灰度加权的变电压CT重建算法

常规固定电压CT重建,由于过曝光和欠曝光导致的不完全投影信息,成像质量差,为此提出变电压CT重建。通过变电压获得跟工件有效厚度相匹配的有效投影序列,在ART迭代图像的基础上,调整全变差使其最小化,来优化重建。在重建过程中,依据灰度加权,把低电压的重建图像作为初值,应用在相邻高电压有效投影重建中,得到相邻高电压的重建图像,依次类推直至最高电压,工件的全部结构信息重建完毕。实验表明,灰度加权算法不仅实现了变电压图像信息的完整重建,像素值也更加稳定。

自适应灰度加权的鲁棒模糊C均值图像分割

针对传统模糊C均值(fuzzy C-means,FCM)算法以及结合空间信息的相关改进算法分割精度较低、对噪声敏感的问题,提出一种自适应灰度加权的鲁棒模糊C均值图像分割算法。首先,通过定义像素间的局部灰度相似性测度来反映各像素对局部邻域的影响程度,并根据邻域窗口中各像素的灰度差异,利用指数函数进一步控制邻域像素的影响权重,实现像素灰度的自适应加权,从而提高像素灰度计算的准确性。其次,构造出一种改进的距离测度代替传统的欧氏距离,用于计算各像素与聚类中心之间的相似距离,增强算法对噪声和异常值的鲁棒性。最后,将提出的自适应灰度加权方法与改进的距离测度应用到FCM算法中,实现图像分割。实验结果表明,该算法需根据图像噪声的强度适当地选取邻域窗口大小,在此条件下算法能够取得较优的分割效果和运行效率,且对噪声具有较强的鲁棒性。

变电压CT重建的灰度加权算法(英文)

常规固定电压的CT重建,因成像系统动态范围受限,投影数据易出现过曝光和欠曝光共存现象,造成信息缺失多,成像质量差,为此提出变电压CT重建。通过变电压获得跟工件有效厚度相匹配的有效投影序列,在ART迭代图像的基础上,调整全变差使其最小化,从而优化重建。在重建过程中,依据灰度加权,把低电压的重建图像作为初值,应用在相邻高电压有效投影重建中,得到相邻高电压的重建图像,依次类推直至最高电压。至此,工件的全部结构信息重建完毕。仿真结果表明,灰度加权算法不仅实现了变电压图像信息的完整重建,而且像素值更加稳定。

基于灰度加权及主元分析的图像人脸偏转校正

在基于坐标的基础上提出基于灰度的主元分析算法，应用于图像人脸偏转角度的检测，实现了图像人脸定位过程中人脸偏转的校正。进行实验比较。

基于加权灰度图与混合阈值分割方法的光伏热斑检测

在光伏红外热图像中,热斑和部分高温工作区的亮度非常接近。在利用传统的阈值分割技术提取热斑时,往往会将工作区也一并分割出来,形成虚假热斑。结合Otsu算法和Sauvola算法的优点,提出了一种基于加权灰度图的混合阈值分割方法。通过对灰度图加权处理,降低工作区亮度,从而增强热斑与工作区的对比度,改善热斑的可视性。利用Otsu算法与Sauvola算法二值化灰度图,并根据二值图差异度计算混合阈值,以此消除虚假热斑的干扰。实验证明,该方法适用于检测存在高温工作区的光伏板热斑,能够精准有效地分割热斑。

灰度极值加权求和图像振铃效应评价算法

在图像盲复原过程中,对模糊核的过估计会产生误差,导致图像振铃效应;现有算法无法对振铃的严重程度进行有效评估,针对这个问题,提出一种振铃效应的评价方法。从振铃效应产生的物理机理出发,分析图像盲复原所致振铃效应的原因和对图像质量的影响;通过提取振铃图像过冲与涟波区域,并对该区域梯度值进行加权统计,定量化表征振铃效应的严重程度。实验结果表明,当模糊核参数σ值超过3时,算法的结果曲线随着参数增大呈单调递增状态,SSIM评价结果变化幅度趋于零。算法可以有效地评价不同复原算法和不同复原参数下的复原图像中的振铃效应。

基于三维模型和深度灰度约束加权的人脸姿态跟踪

提出一种基于人脸三维模型和深度灰度约束加权对单目视频图像序列中的人脸空间姿态进行跟踪的方法.首先用仿射变换的方法得到初始帧的人脸姿态参数并作为姿态跟踪的起点;然后用三维几何信息对线性灰度和深度约束方程加权得到更精确的帧间运动参数,为了消除光照变化和遮蔽的影响,在跟踪过程中逐帧自动进行特征点更新.对模特头像和真实人脸的实验结果表明:该方法能实现精确而可靠的姿态跟踪,特别对深度方向变化较大的运动,效果更为明显.

基于加权灰度熵差的分区域曝光算法

针对传统曝光算法在景物对比度差异较大的监控场景下难以得到均衡曝光的问题,提出基于加权灰度熵差的分区域曝光算法。使用融合了灰度均值与灰度值概率分布信息的加权灰度熵差作为曝光控制参数,增强了曝光控制参数的场景描述能力。为解决单一曝光参数无法得到均衡曝光的问题,通过曝光时间估算、分区曝光和图像拼接完成分区域曝光成像。实验表明,该算法在复杂场景下也能够得到较好的曝光效果,提高了监控摄像头等成像设备的环境适应能力。

基于最近邻加权灰度均值算法的高压线目标检测

视觉导航算法的设计是高压线路巡检机器人领域的一项关键技术,为了解决当前目标检测算法准确率低、抗干扰能力弱、小目标检测效果差等问题,提出一种最近邻加权灰度均值算法,用于提取目标的感兴趣区域(ROI)。采用相线直径匹配的方式对ROI边框进行精细调整,依据特征提取与机器学习理论实现ROI分类。实验结果表明,该算法具有很高的ROI提取精度,分类器对于正样本的召回率最高可达99.83%,可有效地指导高压巡检机器人进行线路巡检工作。

灰度值加权医学图像融合方法

根据医学图像显像特点,说明医学图像融合在空域上研究的可行性,并针对灰度值极大法在颅脑图像融合中的不足做了改进,把图像的区域特征考虑在内,经反复实验比较,发现图像的平均梯度不仅能反映图像的清晰程度,同时还反映出图像中微小细节反差和纹理特征,提出了灰度值加权和的算法,以灰度值为基础,把平均梯度作为权值,结果证明,给定合适的权值大小,融合后的图像脑组织丰富清晰,并且相对变换域融合,计算量小,适用于实时性系统。

一种基于双阈值的实时图像灰度级压缩方法

基于图像的阈值分割和灰度变换原理,针对灰度图像处理系统中图像采集采用14bit的A/D而显示时需将灰度级压缩为28的问题,介绍了一种简单实用的灰度级压缩方法。实验结果表明该方法实时性好,抑制了噪声和背景信息的同时保持了目标细节信息。

一种线结构光亚像素中心坐标提取方法

为了提高光条中心点提取的精度和速度,提出了一种新的线结构光条纹中心亚像素提取方法。首先对图像进行中值滤波,采用轮廓跟踪算法避免扫描光条纹区域外的像素,以此提高计算速度,结合灰度重心法对光条纹中心进行初提取;通过均方灰度梯度法计算光条纹的法线方向并以初提取点为中心进行双线性插值;以提取到的初始点和插值点采用加权灰度重心法计算光条纹中心的亚像素位置。实验结果表明,所提方法的标准误差在0.1400 pixel左右,运算时间约为0.0670 s。

稀疏气泡流动的粒子跟踪测速技术研究

采用动态阈值技术实现了对气泡图像的正确分割,利用灰度加权方法提高了气泡颗粒的定位精度。根据稀疏气泡流动图像的特点,提出了一种新的基于相关的粒子跟踪测速算法(2HPTV)。通过进行两时刻中围绕待研究气泡所取的两个小的诊断窗口的相关运算,成功实现了气泡颗粒的轨迹追踪。实验表明本文算法较传统的PIV技术在测速精度上有很大程度的提高,与4帧粒子跟踪测速算法相比,降低了对摄像机帧频的要求,具有较强的实用性。

星点中心高精度质心定位算法

质心法是星点中心计算的常用算法。为提高质心法的精度,对其进行了深入研究。在分析3种质心法形式的基础上提出了质心法的统一模型,并指出模型中的参数阈值T和灰度加权指数k对于质心法的最终精度有很大影响。采用模拟星点和实测星点对质心法精度与参数T和k的关系进行了分析,得出了相同的结论。随着T和k的增加,质心法精度先升高后降低,存在极值点;在极值点处,T为背景灰度,k为2.0;为保证信息量,T不能过高,但增加k可以获得增加T同样的精度效果;通过调节T和k,可以使质心法精度提高25%以上。

基于特征点不确定性的相机位姿估计方法

相机位姿估计广泛应用于地图构建、机器人定位、图像拼接等,是计算机视觉的经典问题。实际应用中,特征点的坐标数据不可避免的包含测量误差。如果不区分各点测量误差直接进行相机位姿估计,会导致估计值偏离真实值。因此,提出基于特征点不确定性的加权正交迭代算法以降低测量误差对估计精度的影响。该算法考虑图像点周围的灰度信息,对特征点图像坐标进行灰度质心优化并利用优化点进行迭代计算,提升迭代算法的精度。为提高算法的抗噪性能,根据代数误差对应特征点分配自动更新的权值,有效提高算法的泛用性。仿真与实机实验结果表明,文中算法较经典的正交迭代算法具有高的精度与抗噪性,具有实用价值。

基于宽度细化的图像过渡区提取

利用中心像素邻域灰度信息,提出一种新的图像边缘宽度细化算法,使斜坡边缘的细化效果有明显提高.采用新的灰度加权梯度算子对细化后的图像提取过渡区,能较好地抑制图像噪声.实验结果表明,结合灰度加权梯度算子和宽度细化算法提取的过渡区效果更佳.

基于CCD的光纤式位移检测技术

介绍一种精确、远距离非接触检测机械位移的方法 .检测系统采用面阵CCD摄像机获取被测光纤端部出射光斑图像的灰度分布 ,由灰度加权平均法提取光斑的特征点 ,通过检测特征点的位移获得光纤的位移 ,从而得到被测件的位移 .实验结果表明 ,系统的稳定性为 1 .5 μm 。